Cohere випускає Parse 5: ставка на вартість сторінки в корпоративному розборі документів

Розбір документів — одне з головних вузьких місць архітектур RAG і агентів, що працюють на корпоративних архівах. На цьому тлі 27 серпня 2026 року Cohere оголосила в офіційному блозі про загальну доступність Parse 5 (parse-v5.0). Це закрита модель на 2,3 млрд параметрів; видання VentureBeat оцінює її обсяг приблизно в 4,6 гігабайта, вікно контексту — 8192 токени. Її задумано, щоб перетворювати PDF, слайди та зображення на структурований Markdown; за словами Cohere, система розпізнає таблиці, форми, діаграми та вбудовані зображення й повертає їхні bounding box. Навчання відбувалося на документах фінансового та страхового секторів і наукових досліджень, підтримуються дев'ять основних мов — але переліку постачальник не навів, тож перевірити наявність італійської неможливо.

Щодо продуктивності Cohere заявляє для Parse 5 середній бал 79,2 на ParseBench — бенчмарку, який LlamaIndex випустила 13 квітня 2026 року з відкритим кодом на GitHub. Це не тест Cohere, але й не тест нейтральної третьої сторони: LlamaIndex випускає LlamaParse, що стоїть у тій самій таблиці. Придивившись до цифр, помічаєш вибірковість: Cohere публікує результати за трьома з п'яти вимірів ParseBench — Таблиці (87,0), Content Faithfulness (86,6) і Semantic Formatting (64,0) — залишаючи поза дужками Графіки та Visual Grounding (VentureBeat називає їх «Layout і Chart»). У порівняльній таблиці, опублікованій компанією на основі власних внутрішніх вимірювань, Parse 5 стоїть нижче за GPT-5.5 (84,4), Opus 4.8 (84,3) і Gemini 3.5 Flash (81,8), але вище за рішення на кшталт LlamaParse Cost Effective (78,3) чи AWS Textract (53,3). Порівняння з LlamaParse взято за варіантом Cost Effective (78,3): в оцінці, опублікованій самою LlamaIndex, конфігурація Agentic того самого продукту отримує найвищий загальний бал — 84,9. Як повідомив VentureBeat 28 серпня 2026 року, відмову від виміру за графіками Cohere пояснила тим, що для агентних сценаріїв досить текстового опису, а не аналітичного видобування даних. Лишається факт: незалежного прогону бенчмарку наразі ніде не задокументовано, а вплив пропущених вимірів на підсумковий бал перевірити не можна.

Справжня ставка Cohere, схоже, лежить в економіці великого масштабу. Як передає VentureBeat, віцепрезидент з AI Search у Cohere Нільс Раймерс заявив: «Розбір документів не розв'язано, бо складне тут не прочитати текст, а зберегти структуру й значення». Відповідь компанії на цю задачу — тариф 1,50 долара за 1000 сторінок через API разом з обсяговими знижками в Model Vault, які за повного завантаження обіцяють економію до 61%. По інфраструктурі постачальник заявляє пропускну здатність 4,5 сторінки на секунду на один GPU (близько 36 сторінок на вузлі з вісьмома картами H100) через vLLM. Це показники продуктивності й вартості, названі самим виробником, поки що без незалежних зовнішніх перевірок. Перелік каналів — API Cohere, Model Vault, Microsoft Foundry, AWS SageMaker і приватні розгортання для регульованих галузей — теж заявлений компанією; щодо Microsoft Foundry підтвердження на боці Microsoft прочитати не вдалося.

Рішення Cohere не викладати ваги й поширювати модель як закритий продукт, доступний лише через API та керовані розгортання, зміщує конкуренцію із загальної точності на оптимізацію вартості експлуатації. Звести розбір документів до ціни за сторінку — прагматичний хід для корпоративного впровадження, але реальна користь агента залежить від точності видобутих даних: якщо структура губиться через часткові оцінки на бенчмарках, початкова економія ризикує обернутися обчислювальними й логічними витратами далі по ланцюгу. — Olya